최근 운전자 행동이 도로교통의 효율과 안전에 직접적인 영향이 있는 것으로 지적됨에 따라 운전자 행동 분석의 연구가 활발히 이루어지고 있다. 운전자 행동 분석을 위해서는 운전 정보인 교통 환경 정보, 차량 상태 정보, 차량 조작 정보가 필수적이다. 교통 환경 정보와 차량 상태 정보는 GPS와 IMU를 이용하여 추출하고자 하는 연구가 활발하다. 차량 조작 정보는 차량 내부의 센서 정보를 제공하는 기능인 OBD-II를 이용하여 추출하는 접근이 일반적이다. 그러나 OBD-II는 일부 정보의 ID만 표준화되어 있어 나머지 정보의 ID가 차량 제조사 및 차종에 따라 다른 문제가 있다. 이러한 문제점으로 기존 연구에서는 차량 조작 정보를 얻기 위해 차량 조작 정보의 ID가 알려진 차량만을 대상으로 하거나 차량 제조사와 협력하여 받은 연구용 차량을 대상으로 하는 접근이 이루어졌다. 이러한 경우 차량 조작 정보를 해당 차량에서만 얻을 수 있어 범용성이 떨어지는 단점이 존재한다. 본 논문에서는 범용적으로 차량 조작 정보를 제공하기 위해 두 가지 기법을 제안하였다. 첫 번째로 OBD-II 차량 조작 정보 ID 추출 기법을 제안하였다. 운전자가 차량을 조작할 때 OBD-II 데이터의 변화를 확인하여 후보 ID를 수집하고 ...
최근 운전자 행동이 도로교통의 효율과 안전에 직접적인 영향이 있는 것으로 지적됨에 따라 운전자 행동 분석의 연구가 활발히 이루어지고 있다. 운전자 행동 분석을 위해서는 운전 정보인 교통 환경 정보, 차량 상태 정보, 차량 조작 정보가 필수적이다. 교통 환경 정보와 차량 상태 정보는 GPS와 IMU를 이용하여 추출하고자 하는 연구가 활발하다. 차량 조작 정보는 차량 내부의 센서 정보를 제공하는 기능인 OBD-II를 이용하여 추출하는 접근이 일반적이다. 그러나 OBD-II는 일부 정보의 ID만 표준화되어 있어 나머지 정보의 ID가 차량 제조사 및 차종에 따라 다른 문제가 있다. 이러한 문제점으로 기존 연구에서는 차량 조작 정보를 얻기 위해 차량 조작 정보의 ID가 알려진 차량만을 대상으로 하거나 차량 제조사와 협력하여 받은 연구용 차량을 대상으로 하는 접근이 이루어졌다. 이러한 경우 차량 조작 정보를 해당 차량에서만 얻을 수 있어 범용성이 떨어지는 단점이 존재한다. 본 논문에서는 범용적으로 차량 조작 정보를 제공하기 위해 두 가지 기법을 제안하였다. 첫 번째로 OBD-II 차량 조작 정보 ID 추출 기법을 제안하였다. 운전자가 차량을 조작할 때 OBD-II 데이터의 변화를 확인하여 후보 ID를 수집하고 필터링 과정 수행하여 최종 ID를 추출하였다. 다수의 차종에서 ID 추출이 가능함을 확인하였고 90% ID 추출 성공률을 보였다. 추출한 ID를 이용하여 OBD-II를 통해 차량 조작 정보를 얻을 수 있다. 두 번째로 딥러닝 기반 차량 조작 정보 추론 기법을 제안하였다. 범용적으로 추출하는 기법이 활발히 연구된 차량 상태 정보를 이용하여 딥러닝 기반으로 차량 조작 정보를 추론하였다. 제동 장치와 조향 장치에 대한 추론에서 90.2%와 77.9%의 성능을 보였다. 마지막으로 제안한 두 가지 기법을 포함한 운전 정보 추출 시스템을 설계 및 구현하였다. 범용적인 기법으로 운전 정보를 추출하여 제공함으로써 운전자 행동 분석 연구를 차량에 무관하게 범용적으로 적용할 수 있었다.
최근 운전자 행동이 도로교통의 효율과 안전에 직접적인 영향이 있는 것으로 지적됨에 따라 운전자 행동 분석의 연구가 활발히 이루어지고 있다. 운전자 행동 분석을 위해서는 운전 정보인 교통 환경 정보, 차량 상태 정보, 차량 조작 정보가 필수적이다. 교통 환경 정보와 차량 상태 정보는 GPS와 IMU를 이용하여 추출하고자 하는 연구가 활발하다. 차량 조작 정보는 차량 내부의 센서 정보를 제공하는 기능인 OBD-II를 이용하여 추출하는 접근이 일반적이다. 그러나 OBD-II는 일부 정보의 ID만 표준화되어 있어 나머지 정보의 ID가 차량 제조사 및 차종에 따라 다른 문제가 있다. 이러한 문제점으로 기존 연구에서는 차량 조작 정보를 얻기 위해 차량 조작 정보의 ID가 알려진 차량만을 대상으로 하거나 차량 제조사와 협력하여 받은 연구용 차량을 대상으로 하는 접근이 이루어졌다. 이러한 경우 차량 조작 정보를 해당 차량에서만 얻을 수 있어 범용성이 떨어지는 단점이 존재한다. 본 논문에서는 범용적으로 차량 조작 정보를 제공하기 위해 두 가지 기법을 제안하였다. 첫 번째로 OBD-II 차량 조작 정보 ID 추출 기법을 제안하였다. 운전자가 차량을 조작할 때 OBD-II 데이터의 변화를 확인하여 후보 ID를 수집하고 필터링 과정 수행하여 최종 ID를 추출하였다. 다수의 차종에서 ID 추출이 가능함을 확인하였고 90% ID 추출 성공률을 보였다. 추출한 ID를 이용하여 OBD-II를 통해 차량 조작 정보를 얻을 수 있다. 두 번째로 딥러닝 기반 차량 조작 정보 추론 기법을 제안하였다. 범용적으로 추출하는 기법이 활발히 연구된 차량 상태 정보를 이용하여 딥러닝 기반으로 차량 조작 정보를 추론하였다. 제동 장치와 조향 장치에 대한 추론에서 90.2%와 77.9%의 성능을 보였다. 마지막으로 제안한 두 가지 기법을 포함한 운전 정보 추출 시스템을 설계 및 구현하였다. 범용적인 기법으로 운전 정보를 추출하여 제공함으로써 운전자 행동 분석 연구를 차량에 무관하게 범용적으로 적용할 수 있었다.
Recently, As more studies on driver behavior analysis have been investigated, the need for driving information is increasing. Traffic environment information and vehicle state information are actively studied using GPS and IMU. Vehicle operation information is generally extracted using OBD-II, which...
Recently, As more studies on driver behavior analysis have been investigated, the need for driving information is increasing. Traffic environment information and vehicle state information are actively studied using GPS and IMU. Vehicle operation information is generally extracted using OBD-II, which is a function of providing sensor information in the vehicle. However, OBD-II has only standardized IDs of some information, so the IDs of other information are different according to the vehicle manufacturer and vehicle type. In order to obtain the vehicle operation information, the research has been conducted on only the vehicles whose IDs of the vehicle operation information are known or the vehicles provided in cooperation with the vehicle manufacturers. In this case, there is a disadvantage that vehicle operation information can be obtained only from the specific vehicle. In this paper, we propose two methods to provide vehicle operation information universally. First, we proposed the OBD-II vehicle operation information ID extraction technique. When the driver operates the vehicle, the change of the OBD-II data are checked. And the candidate ID is collected and the filtering process is performed to extract the final ID. It was evaluated that ID extraction was possible in many vehicles and 90% success rate was obtained. Vehicle operation information can be obtained through OBD-II with extracted ID. Second, we proposed the deep learning based vehicle operation information inference technique. It infers from vehicle state information based on deep learning. The technique showed 90.2% and 77.9% accuracy for braking pedal and steering pedal. By extracting and providing driving information with two proposed techniques, driver behavior analysis research can be universally applied regardless of vehicle.
Recently, As more studies on driver behavior analysis have been investigated, the need for driving information is increasing. Traffic environment information and vehicle state information are actively studied using GPS and IMU. Vehicle operation information is generally extracted using OBD-II, which is a function of providing sensor information in the vehicle. However, OBD-II has only standardized IDs of some information, so the IDs of other information are different according to the vehicle manufacturer and vehicle type. In order to obtain the vehicle operation information, the research has been conducted on only the vehicles whose IDs of the vehicle operation information are known or the vehicles provided in cooperation with the vehicle manufacturers. In this case, there is a disadvantage that vehicle operation information can be obtained only from the specific vehicle. In this paper, we propose two methods to provide vehicle operation information universally. First, we proposed the OBD-II vehicle operation information ID extraction technique. When the driver operates the vehicle, the change of the OBD-II data are checked. And the candidate ID is collected and the filtering process is performed to extract the final ID. It was evaluated that ID extraction was possible in many vehicles and 90% success rate was obtained. Vehicle operation information can be obtained through OBD-II with extracted ID. Second, we proposed the deep learning based vehicle operation information inference technique. It infers from vehicle state information based on deep learning. The technique showed 90.2% and 77.9% accuracy for braking pedal and steering pedal. By extracting and providing driving information with two proposed techniques, driver behavior analysis research can be universally applied regardless of vehicle.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.